指纹图像干湿度评价及亮度自动调节方法研究
2018-10-31刘珍珍刘云清颜飞
刘珍珍,刘云清,颜飞
(长春理工大学 电子信息工程学院,长春 130022)
随着国内公安系统的信息化建设的深入,为提高刑侦破案率和更有效地进行犯罪人口管理,指纹采集和识别技术近年来在国内高速发展[1]。警用指纹采集一体机是一款高端的警用指纹采集设备,可广泛应用于刑侦、安防、身份识别等领域[2]。在实际工作中,要对每一个罪犯或者嫌疑人指掌纹、滚动指掌纹、平面指掌纹进行图像采集,据统计,指纹一体机至少要对同一个人要采集22次。而对于干性手指,通常要采集30次左右,甚至更多次才能采集到合格指掌纹图像,大大降低了信息采集的工作效率[3]。
本研究采用的是长春某公司的活体指掌纹采集仪,该设备是一种应用于公安执法领域的集指纹及掌纹采集一体的设备。能够采集手上各部信息,包括四连指、手掌部分、两连指及单指等。此外,USB连接计算机实现实时控制预览,简单的操作能控制多个功能。但是因手指皮肤较干、延展性较差、采集时皮肤无法贴紧采集设备表面,导致脊线部分成像模糊甚至出现成像不完整的情况。导致采集到的干指纹图像的脊线与谷线对比度低、图像模糊及纹线结构不清晰,因此该设备对干指纹的采集及处理仍存在不足。
为了解决干手指指纹成像问题,有方案采用棱镜表面贴硅胶模或者后期图像增强的办法来解决干手指成像不完整的问题。但是硅胶模易损坏,清洁困难;后期图像增强会损失一些图像信息,都不能很好的解决干手指成像的问题。本文主要从以下两方面来解决这些问题:首先,准确地对指纹图像做出干湿判断,对质量良好、较干及较湿指纹图像的灰度均值和方差进行分析,提出了一种改进的指纹图像干湿度判断方法;其次,自动调节光照亮度以增强质量较干或者较湿的指纹图像,增强其质量,解决了干手指指纹成像不完整的问题。
1 指纹图像干湿度评价方法
指纹图像质量不仅和设备本身参数设置的情况相关,且与不可避免的采集环境相关,与指纹本身的情况也密切相关,而干湿度是其中重要的指标之一。指纹图像干湿度反映采集者手指的干湿程度,对指纹质量的衡量起着十分关键的作用。为了解决干指纹采集时的成像问题,判断指纹图像的干湿程度是解决本研究问题的关键之一。
文献[4]提出计算指纹图像中像素的Gabor滤波值来进行干湿度的判断,文献[5,6]提出通过计算指纹图像中黑、白像素的比例来进行干湿度判断。这些方法在大多数情况都可以对干湿度做出判断,但都没有考虑到质量较好和较湿指纹之间,较干和较湿指纹之间因均值或方差相近时产生误判。文献[7]中基于灰度均值和方差的干湿度算法能够改善这一问题,本文对文献[7]算法进行改进,能达到同样的效果,但算法的实现的更为简单。
1.1 基于改进的灰度均值及方差的指纹图像干湿判断的算法实现
为了更准确的反映每个指标对质量的影响,对本研究设备采集的指纹图像的类型进行了划分:图像较干、图像较湿、图像良好三种情况。典型质量的指纹图像如图1所示,图1(a)中干指纹的图像纹线断裂,使得指纹图像的脊线、谷线清晰度降低。图1(b)中良好指纹图像细节特征清晰,图像的脊线、谷线容易区分;图1(c)湿指纹的图像中一部分纹线是粘连在一起的,使得指纹图像的脊线、谷线清晰度降低[6-8]。
像素方差和像素均值是指纹图像前景区和背景区的双门限阈值分割的两个指标,而指纹图像的灰度均值及方差同样是指纹图像干湿度的判断指标,这两个指标易获取且有效。质量好的图像细节特征清晰,图像的脊线、谷线对比度较大,灰度值差别较大,灰度方差的值较高。湿指纹的图像中一部分纹线是粘连在一起的,干指纹的图像纹线断裂使得指纹的前景区域模糊,这些问题都使得指纹图像的脊线、谷线清晰度降低,因此它们的灰度方差的值较低。而湿指纹图像纹线较深,对应的灰度均值较小;干指纹图像指纹纹线较浅,对应的灰度均值较大。因此,本文根据指纹图像的灰度均值和方差来判断手指干湿程度,如表1所示,良好指纹图像的灰度均值较大,干、湿指纹图像的灰度方差较小,而干指纹均值较大,湿指纹灰度均值较小。
图1 典型指纹图像
表1 指纹图像的灰度特性
文献[7]中提出一种基于灰度均值及方差的指纹图像干湿判断的算法,首先利用灰度方差及均值对良好指纹与干湿进行粗分类;其次采用对比度为阈值进行细分类。本文在以下两方面对其改进:首先,判断良好指纹与干湿指纹时,采用的灰度均值与灰度方差两个指标改进为一个指标即灰度方差;其次,对细分类采用的较为复杂的对比度改进为较为简单的良好指纹图像块占比作为阈值。其算法步骤描述如下[9]:
(1)将整个图像分成m*n个L*L大小的图像块,计算每个图像块的像素均值G(m,n)及方差V(m,n),式中 (m,n)是图像块的坐标[8]:
(2)计算所有指纹图像块的均值G和方差V;
(3)将指纹图像的前景区域、背景区域分割,若图像块的像素均值小于图像的像素均值,且指纹块的方差大于图像的方差,则将其分割成前景区域。
式中,e(m,n)表示指纹图像块的状态,为1时表示是其是前景区域,为0时表示指纹图像块是背景区域,并计算其指纹块数K;
(4)判断前景图像中的所有质量较好、干、湿的指纹图像块,并分别计算其块数K1、K2、K3。质量良好的指纹图像的脊线、谷线区别较大,方差较大,若T1<V(m,n),则为良好指纹块,否则为干或者湿指纹块。干指纹图像纹线较浅,对应的灰度均值较大,即:G(m,n)≥T2;湿指纹图像纹线较浅,对应的灰度均值较小,即:G(m,n)≤T3;
(5)计算良好的指纹块在前景图像中的占比Q,若Q>T4,则保存指纹图像,如果Q≤T4,则转到(6);
(6)若Q≤T4,判断指纹的干湿,计算指纹图像的干、湿指纹图像块数占比。如果Q1>Q2,则判断为干性指纹;如果Q1≤Q2,则判断为湿性指纹。
1.2 干湿指纹图像的判断实验及其分析
从该设备采集的指纹图像中选取典型的良好、较干及较湿的指纹图像进行实验。在实验基础上得到上述基于灰度均值及方差的指纹图像干湿判断的算法中的相关阈值取值如表2所示。
表2 指纹干湿判断阈值设定
本研究中设备采集典型的干指纹、湿指纹、良好指纹图像如图1所示。采用上述算法对其判断,其结果如表3所示,(b)指纹图像的Q>T4,判断其为良好指纹图像;(a)指纹图像的Q<T4,判断其为干或者湿指纹图像,其Q1≥Q2,判断其为干指纹图像;(c)指纹图像的Q<T4,判断其为干或者湿指纹图像,其Q1<Q2,判断其为湿指纹图像。
表3 指纹图像干湿判断结果
为了验证该算法的准确性,采用本研究设备采集的指纹图像中质量较好的、较干的、较湿的指纹图像各100张对其进行验证。计算并统计质量较好的、较干的指纹图像前景图像中干指纹图像占比Q1,其分布情况如图2所示,良好指纹图像的Q1分布在0.17左右,[0,0.3]区间;干指纹图像的Q1计分布在0.8左右,[0.2,1]区间,两者只在区间[0.2,0.3]有交叉。计算并统计质量较好的、较湿的指纹图像前景图像中Q2,其分布情况如图3所示,良好指纹图像的Q2分布在0.25左右,[0,0.4]区间;湿指纹图像的Q2计分布在0.8左右,[0.5,1]区间;两者只在区间[0.4,0.5]有交叉。根据图2,图3统计结果,可以得出本研究算法实现了对干湿指纹图像的准备判断,对于良好指纹、干指纹、湿指纹图像的误判率均比较小。
图2 良好指纹图像与干指纹图像的Q1的分布
图3 良好指纹图像与湿指纹图像的Q2的分布
2 光照亮度自动调节指纹图像
2.1 光照亮度自动调节的实现
本研究采用的是活体指纹采集仪,如图4所示,该设备是一种应用在公安执法领域的指纹采集设备,其采集框架如图5所示,包括:成像镜头、加热系统、照明系统、主主控系统、图像传感器及上位机图像采集软件。该设备在使用时,主控系统将对照明系统进行亮度调节,采集时光照亮度为35,光照亮度的可调范围在[20,50]。调节亮度的同时传感器也做出相应的响应,调节曝光时间和增益值,以达到最佳的采集效果。在采集指纹图像时,指纹表层皮肤含水量较多或较少时,采集到干湿指纹图像。相对于正常的指纹图像,干性和湿性指纹图像纹理细节信息丢失较多,给后续指纹图像处理和识别工作带来了不良的影响。因此,研究指纹图像采集时避免出现干性指纹和湿性指纹图像的情况非常必要。
图4 指掌纹采集仪示意
图5 指纹采集设备硬件设计图
在调节光照亮度时,发现指纹图像的干湿度不仅与指纹区域的皮肤含水量有关,还与设备的光照亮度有关。如表4所示,在正常的光照亮度为35时,采集的指纹图像经判断其为干指纹图像。增强光照亮度,指纹有效区域颜色变深即灰度值变小,指纹的干湿度指标Q变大,指纹质量提高。减弱光照亮度,指纹有效区域颜色变浅即灰度值变大,指纹的干湿度指标Q变小,指纹质量变差。当亮度为45时,干湿指标Q=0.527接近良好质量与干湿指纹图像的判断阈值T4=0.55,此时图像质量为最佳。以上表明通过调节光照亮度可提高指纹图像的质量,但是,只能通过手动调节来实现这一功能,手动调节操作复杂且耗时。本文通过进一步研究指纹干湿度与光照亮的关系,实现自动调节设备光照亮提高指纹图像的质量。
本研究对100个手指进行采集实验,调节光照亮度并判断指纹的干湿度,调节过程中发现,指纹图像的良好指纹图像块占比Q变化与光照亮度L变化成线性关系,且参数变化符合下面关系:ΔQ/ΔL=0.025。根据两者关系,对指纹的采集进行调节,其调节流程如图6所示。
图6 自动调节光照亮度优化采集流程图
2.2 实验结果及分析
光照亮度为35时的指纹图像如图7(a)所示,由干湿度判断其为干指纹,根据干湿度指标与光照亮度之间的关系ΔQ/ΔL=0.025,对其自动增加光照亮度为15,即光照亮度为45的指纹图像质量最佳,如图7(b)所示。
表4 不同亮度下干指纹图像及其相关指标
实验结果表明该干指纹图像的质量有所提升,其具体干湿指标如表5所示。从表中可以看出,亮度调节后的干指纹图像的质量指标发生了明显的变化,良好指纹块数占比增加,很接近阈值T4;干指纹块数明显减少,指纹图像的质量提高。
表5 优化采集后干指纹图像指标
光照亮度为35时的指纹图像如图8(a)所示,由干湿度判断其为湿指纹,根据干湿度指标与光照亮度之间的关系ΔQ/ΔL=0.025,对其自动减少光照亮度为20,即光照亮度为15时的指纹图像质量最佳,如图8(b)所示。
图7 干指纹图像亮度调节
图8 湿指纹图像的亮度调节
表6 调节亮度后湿指纹图像指标
实验结果表明该湿指纹图像的质量有所提升,其具体干湿指标如表6所示。从表中可以看出,亮度调节后的湿指纹图像的指纹质量指标发生了明显的变化,良好指纹块数占比增加,很接近阈值T4;湿指纹块数也明显减少,指纹图像的质量上升。
3 结语
本文针对传统的指纹采集设备对干、湿手指图像采集不全或者模糊出现的问题、干手指成像的问题、采集设备的性能受采集环境的影响的问题。首先,采用一种改进的基于灰度方差及均值的干湿度判断算法判断指纹的干湿;其次,根据干湿质量指标与亮度之间的关系,自动调节设备光照亮度,使指纹质量指标达到最佳,减小指纹图像的失真,增强了其质量。
通过采用自动调节设备光照亮度解决干手指成像问题,在一定程度上增强了指纹图像的质量。但是在判断干湿指标时,对残缺指纹误判成干湿指纹图像,容易造成误差;以及在采集时手指按压力度不能保持平衡,也容易造成误差。下一阶段,在本文研究的基础上,排除这些容易产生误差的可能以进一步提高干手指成像问题。